ERA-5降水数据在雨量站稀疏地区的适用性研究

张佳鹏 王加虎 李丽 陈明霞

摘要：为探究降水产品在雨量站稀疏地区的适用性，选择位于缅甸的密支那流域作为研究流域，以雨量站数据作为参考数据，评估了ERA-5再分析降水数据的精度;并使用ERA-5数据率定和驱动CREST模型，探究了该数据应用于径流模拟的可行性。结果表明：在整个研究区域内，ERA-5数据和雨量站数据之间的相关程度高，差距较小;而在径流模拟方面，ERA-5数据可以较好地模拟中低水位的日径流过程，对于高水位流量则存在着一定的低估，但不同观测时段的NSCE系数均在0.7以上，总体而言精度仍较高;对于月径流量，该数据在不同观测时段的NSCE系数均大于0.85，相关系数均在0.9以上，能够较好地描述径流的年内变化特征。因此，ERA-5降水数据在一定程度上可以代替雨量站数据作为研究区域的降水数据来源，应用于流域水资源管理、水利工程设计等领域。

关 键 词：

再分析降水数据; 精度评估; 径流模拟; CREST; 密支那流域; 缺资料地区

中图法分类号： P339

文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2021.06.007

0 引 言

随着我国东部地区水电资源的开发殆尽，水电的规划、设计工作逐步向海外第三世界国家转移。与传统的设计条件不同，这类地区受经济发展条件和技术限制，气象台站及水文站点的分布密度远低于内陆地区，大部分只有近些年才新建的测站，有些地区甚至没有站点，历史数据严重缺乏。这种现实条件很难满足工程水文设计规范的要求，在一定程度上阻碍了水电业的发展。

再分析降水产品可为缺资料地区提供新的降水数据来源。再分析降水产品是将数值天气预报数据、卫星降水以及地面观测降水等不同来源的数据通过同化算法最优集成得到的降水数据，具有良好的物理、空间和时间一致性，同时目前大多数再分析降水数据还能提供全球范围内30 a以上的历史降水数据[1]。近些年来，随着数值天气预报技术、数据同化技术的改进以及计算能力的提高，再分析降水产品的分辨率和精度在不断提高，偏差不断减小[2]。

目前，在众多的再分析降水产品中，使用最多且被认为精度最高的是欧洲中期数值预报中心（European Center for Medium-Range Weather Forecasts，ECMWF）提供的ERA-Interim[3-4]，但是该数据集2019年8月以后便停止更新，取而代之的是最新推出的再分析数据集ERA-5。ERA-5数据最大的特点是具有全球范围内从1979年至今的降水数据，且该产品相比上一代的再分析降水产品ERA-Interim，使用了更加先进的数值模式和同化算法以及更加精确的驱动数据，同时具有更高的时间分辨率和空间分辨率，具有更广阔的应用前景[5]。本文以位于缅甸境内伊洛瓦底江河源的密支那流域为研究流域，以地面雨量站为参考数据，评估ERA-5降水产品在该地区不同尺度上的精度，同时借助CREST分布式水文模型探究该数据在径流模拟中的适用性，以期延长该流域的水文气象数据，为水利工程的设计和建设工作提供一定的数据基础。

1 研究区域与数据

伊洛瓦底江流经缅甸南北，是亚洲中南半岛大河之一，也是缅甸境内第一大河。其河源有东西两支，东源恩梅开江发源于中国境内察隅县境伯舒拉山南麓，西源迈立开江发源于缅甸北部山区，两江在密支那城以北约50 km会合为伊洛瓦底江。密支那以上流域处于伊洛瓦底江正源，介于东经96°45′～99°00′，北纬 25°～29°之间，流域所在的地理位置和地形如图1所示。流域的水力资源丰富，水力蕴藏量达到3 000万kW，但由于缅甸经济水平和技术条件限制，开发程度处于较低水平[6]。

本文选取的研究区域为密支那水文站以上控制流域，区域内雨量站点分布稀疏，基本于2010年之后才建，且很多测站数据不完整。研究中收集到2011～2017共7 a的雨量站日降水数据和密支那水文站的日流量数据，在剔除一些数据不完整的雨量站点之后，余下14个雨量站点的观测数据用于与ERA5的对比分析，其空间分布见图1。研究区域内同期的ERA-5降水数据则来源于网站（https：∥cds.climate.copernicus.eu）下载，其空间分辨率为0.25°×0.25°，时间分辨率为1h。研究中为与雨量站数据统一，将其整理成逐日降水数据进行对比分析。

2 研究方法

本文假设雨量站点的观测数据为绝对正确数据，从ERA-5数据的降水模拟精度及其在径流模拟中的适用性两个方面对ERA-5降水产品进行评估。

将雨量站点的观测数据作为参考标准，分别在网格尺度和区域尺度两种尺度上对ERA-5降水产品进行精度评估。其中，在网格尺度上，将包含两个雨量站以上的网格中的再分析数据与网格内雨量站的数据均值进行对比分析;在区域尺度上，则将两种数据对应的面平均雨量进行对比。研究中采用相关系数（CC）、相對误差（BIAS）、均方根误差（RMSE）这3项常用定量精度指标来评价降水产品的精度。除此之外，还采用探测率（POD）、误报率（FAR）2项评价指标来反映降水产品对日降水事件的识别能力。其中，POD为再分析数据与雨量站点同步有雨的比例，其值越高则识别能力越强;FAR为再分析数据有雨而雨量站点无雨的比例，其值越小则识别能力越强。

为探究ERA-5降水数据在径流模拟中的应用潜力，本文借助CREST分布式水文模型进行径流模拟研究。CREST模型是由美国俄克拉荷马大学和美国宇航局（ NASA） 项目团队开发的基于网格的分布式水文模型[7]，目前已经在全球多地进行了不同尺度的验证[89]。本次研究选取的CREST模型为最新的2.1版，模型采用Fortran语言编写，程序可从网址（http：∥hydro.ou.edu/research/crest）下载。模型所需的数据主要包括基础数据和驱动数据，基础数据为数字高程模型（DEM），流向（FDR），累积流量（FAC）以及河网（Stream）的ASCII文件，可借助ArcGIS生成;驱动数据主要是降水和潜在蒸散发，可由反距离权重法插值到每个网格上[10]。水文模型采用了GLEAM再分析蒸发数据集中的潜在蒸散发数据，最新的GLEAM v3版本已在全球范围内进行过验证[11]，可从网址（http：∥geoservices.falw.vu.nl）下载。数据时间分辨率为1 d，空间分辨率为0.25°×0.25°。对于径流的模拟结果，采用纳什系数NSCE、BIAS、CC这3个指标进行评估。各项指标计算公式见表1。

3 结果分析

3.1 降水精度分析

图2为不同尺度下的ERA-5降水产品和雨量站实测雨量之间的散点图。由图2可见，在网格尺度上ERA-5数据和实测降水的差距较大，相关系数CC仅为0.67，相对误差BIAS大于25%，这可能是因为再分析数据每个格点的降水量为整个网格的平均降水量，而流域的雨量站较为稀疏，雨量站数据的点数据不能完全准确代表整个网格的平均降水量，所以两者在数值上有一定的出入;在流域尺度上，ERA-5产品的各项指标均有提升，RMSE和BIAS显著降低，相关系数CC增加为0.81，说明两种降水数据在整个研究区域的降水差距较小，即ERA-5数据更适用于区域尺度的应用。

在降水事件的探测能力方面，由表2可知，ERA-5的准确率POD能达到0.99，说明该降水产品可以识别大部分降水事件，同时错误率FAR为0.37，说明该数据易将无雨的情况误报为有雨。

图3为两种尺度下不同区间的降水发生频率和降水量所占比重，其中小于1 mm为近乎无雨，而大于50 mm为暴雨。可以看出两种尺度下ERA-5产品都低估了近乎无雨情况所发生的频率，这也与该产品的错误率较高相对应，但是这部分的降水所占的比重要小于5%，对流域整体降水贡献不大;而对于流域内大于50 mm的暴雨的发生频率，ERA-5产品相对于雨量站数据会有一定程度高估，这说明ERA-5数据在极端天气下的表现仍有欠缺。而对于中间区域的降水，ERA-5数据均有轻微的高估，但是两者差距不大，并且不同区间降水量所占的比重也较为接近，变化趋势一致。

3.2 径流模拟结果分析

本文基于美国NASA和NIMA联合测量的STRM 数据所提供的DEM，在研究流域建立了网格大小为30″的CREST水文模型。使用2011年的数据对模型进行预热，2012～2014年的数据进行参数率定，2015～2017年的数据进行验证，参数率定所使用的优选算法为模型自带的SCE-UA算法[12]。目前已经有大量研究表明：在使用不同来源降水来驱动水文模拟的情况下，率定期采用降水数据自身驱动模型所得到参数的模拟效果更好[13-14]，因此本文直接使用雨量站和ERA-5数据各自驱动水文模型进行参数率定。

图4～5为雨量站数据和ERA-5数据对应的逐日与逐月流量过程线。从图4中可以看出：两种降水数据对中低水位的径流模拟结果较好，但对于洪峰流量的模拟会出现明显的低估。观察图6（a）中的日流量历时曲线，同样发现两种降水数据对应结果在高水位流量拟合程度较差，而在中低水位流量拟合程度较好。对于两种降水数据洪峰模拟结果都出现偏低的情况，可能的原因是降水数据本身存在一定的误差以及降水空间插值误差所引起的[15];另一个原因可能是本文所使用的SCE-UA算法的优选指标为确定性系数[16]，优选的结果虽然对整体的流量过程拟合较好，但是比较平缓，对洪峰有一定低估，建议之后的研究率定采用多目标优化算法，添加一个峰值误差的边界控制条件，更进一步解决峰量模拟系统偏小的问题[17]。

将日流量整理为月流量数据，图5为两种降水数据对应的月流量过程线，可以看出采用两种数据驱动CREST模型后，均能再现研究流域的月径流过程。对比图6（b）两种雨量对应的月流量历时曲线，ERA-5对应结果在不同量级的流量上的拟合程度都较好，而雨量站数据对应结果在高水位流量拟合程度仍相对较差。

表3为径流评价指标的统计结果，对于日径流，在不同时段雨量站对应的NSCE均大于0.65，ERA-5对应的NSCE均大于0.7，两者的相关系数均在0.8以上，偏差均在±12%以内，且ERA-5对应结果略好于雨量站，但在整个观测期两种数据对应的径流深的相对误差都为负，这主要和两种降水数据的高水位流量模拟结果偏低有关;对于月径流，两种雨量数据各观测时段的NSCE均大于0.85，相关系数均在0.9以上，但是在整个观测期径流深相对误差仍为负。总体而言，若假设流域无雨量站数据，仅使用ERA-5数据进行模型的率定和驱动，同样可以取得较好的径流模拟精度。

4 结 论

本文以密支那流域内雨量站数据做为参考标准，对ERA-5降水数据进行了精度评估，并借助CREST模型评估了使用该产品进行径流模拟的可行性。结果表明：

（1） 在降水精度评价方面，ERA-5数据和雨量站数据虽然在网格尺度差距较大，但是在整个研究区域的偏差较小，相关系数较高，降水发生频率和比重都较为一致，并且ERA-5数据还有极高的降水事件识别能力。

（2） 在径流模拟的应用方面，ERA-5同雨量站数据一样均能较好地模拟中低水位的日径流，而在高水位的日流量模擬上均存在着较大的低估，但是两种数据对于月径流的模拟都较为精确，能够描述径流的年内变化特征。同时，ERA-5数据对应的日径流和月径流的模拟结果都略好于雨量站数据，说明在流域无雨量站的情况下同样可以使用 ERA-5数据进行水文模型的率定和模拟，即ERA-5降水数据在一定程度上可以代替流域的雨量站数据进行水文模拟、水资源管理。

参考文献：

[1] DEE D P，BALMASEDA M，BALSAMO G，et al.Toward a consistent reanalysis of the climate system[J].Bulletin of the American Meteorological society，2013，95（8）：1235-1248.

[2] ESSOU G R，BRISSETTE F，LUCASPICHER P，et al.The use of reanalyses and gridded observations as weather input data for a hydrological model：comparison of performances of simulated river flows based on the density of weather stations[J].Journal of Hydrometeorology，2017，18（2）：497-513.

[3] DEE D，UPPALA S，SIMMONS A J，et al.The ERA-Interim reanalysis：configuration and performance of the data assimilation system[J].Quarterly Journal of the Royal Meteorological Society，2011，137（656）：553-597.

[4] BECK H E，PAN M，ROY T，et al.Daily evaluation of 26 precipitation datasets using Stage-IV gauge-radar data for the CONUS[J].Hydrology and Earth System Sciences，2019，23（1）：207-224.

[5] NOGUEIRA M.Inter-comparison of ERA-5，ERA-Interim and GPCP rainfall over the last 40 years：process-based analysis of systematic and random differences[J].Journal of Hydrology，2020（583）：1-17.

[6] 刘冬英，陈玺，黄燕，等.缅甸伊洛瓦底江流域水文资料初步复核评价[J].人民长江，2019，49（ 22）：112-117.

[7] WANG J，HONG Y，LI L，et al.The coupled routing and excess storage（CREST） distributed hydrological model[J].International Association of entificHydrology Bulletin，2011，56（1）：84-98.

[8] WU H，ADLER R F，HONG Y，et al.Evaluation of global flood detection using satellite-based rainfall and a hydrologic model[J].Journal of Hydrometeorology，2012，13（4）：1268-1284.

[9] ZHANG Y，HONG Y，WANG X，et al.Hydrometeorological analysis and remote sensing of extremes：was the July 2012 Beijing flood event detectable and predictable by global satellite observingand global weather modeling systems？[J].Journal of Hydrometeorology，2015，16（1）：381-395.

[10] MIRALLES D G，HOLMES T R，JEU D R，et al.Global land-surface evaporation estimated from satellite based observations[J].Hydrology and Earth System Sciences，2010，15（2）：453-469.

[11] MARTENS B，MIRALLES D G，LIEVENS H，et al.GLEAM v3：Satellite-based land evaporation and root-zone soil moisture[J].Geoscientific Model Development，2016，10（5）：1903-1925.

[12] DUAN Q，SOROOSHIAN S，GUPTA V K，et al.Effective and efficient global optimization for conceptual rainfall-runoff models[J].Water Resources Research，1992，28（4）：1015-1031.

[13] 唐國强，李哲，薛显武，等.赣江流域TRMM遥感降水对地面站点观测的可替代性[J].水科学进展，2015（3）：45-51.

[14] TONG K，SU F，YANG D，et al.Evaluation of satellite precipitation retrievals and their potential utilities in hydrologic modeling over the Tibetan Plateau[J].Journal of Hydrology，2014（519） ：423-437.

[15] 李哲.多源降雨观测与融合及其在长江流域的水文应用[D].北京：清华大学，2015.

[16] NASH J E，SUTCLIFFE J V.River flow forecasting through conceptual models part I-A discussion of principles[J].Journal of Hydrology，1970，10（3）：282-290.

[17] 林锐，泮苏莉，刘莉，等.耦合降水预报和多目标参数优化的洪水预报方法[J].水力发电学报，2017（10）：29-36.

（编辑：江 文）

Research on applicability of ERA-5 precipitation data in basins with spare rain-gauge

coverage：case of Myitkyina Basin in Myanmar

ZHANG Jiapeng，WANG Jiahu，LI li，CHEN Mingxia

（College of Hydrology and WaterResources，Hohai University，Nanjing 210098，China）

Abstract：

In this paper，we evaluated the accuracy of the ERA-5 reanalysis precipitation data based on rain-gauge data，and then used ERA-5 to calibrate and drove CREST model to explore the applicability of the data for streamflow simulation at Myitkyina Basin in Myanmar.The results showed that the deviation between ERA-5 data and rainfall station data was small and the correlation degree was high in regional scale.In terms of streamflow simulation，ERA-5 data could better simulate the low and medium daily streamflow，but there was a certain underestimation for the high streamflow.However，the NSCE coefficients of different observation periods were all above 0.7，and the overall accuracy was still high;for the monthly streamflow，the NSCE coefficients of ERA-5 data at different observation periods were all above 0.85，and the correlation coefficients were all above 0.9，which could better describe the annual variation characteristics of runoff.Therefore，ERA-5 precipitation data could replace the ground station data to some extent as the precipitation data source of the study area for water resources management and hydraulic engineering design.

Key words：

ERA-5 reanalysis precipitation;accuracy evaluation;streamflow simulation;CREST;Myitkyina Basin;ungauged region